KV Cache分布式存储的网络优化-阿里星/A Star

杭州 · 校招 · 2027 届 · 本科

长期有效

前往官方投递页 →

任职要求

1、有GPU计算系统优化经验，熟悉CUDA编程和GPU系统架构；
2、深入理解PyTorch/vLLM推理框架的架构和工作原理，有框架优化经验；
3、掌握CUDA、NCCL等并行编程技术，了解GPU间的通信机制；
4、有大规模分布式系统的设计与实现经验，理解分布式系统的核心问题；
5、良好的工程能力和代码质量意识，能够编写高性能、可维护的代码。
加分项：
1、有顶级开源社区（Linux Kernel、PyTorch、TensorFlow等）的实质性贡献经验；
2、发表过系统优化或并行计算相关的学术论文（CCF A类以上）；
3、有AWS/GCP/Azure等云服务AI推理优化的实战经验；
4、深入了解NVLink、RDMA等高性能通信协议，有优化经验。

岗位描述

负责大模型推理系统中网络性能优化和设计。深入了解计算机体系结构与网络系统相关知识。熟悉推理系统算法及推理基础设施的原理、关键问题与方案。核心工作职责包括：

1、KV Cache相关的传输优化；
2、通信协议优化：RDMA、TCP实现高效的分布式传输；
3、模型特定的优化方案：针对MOE、Prefix KV Cache等特殊模型架构，提供定制化的优化解决方案，支持各类大模型架构；
4、性能基准测试与监控系统建设：建立完整的性能评估框架，实现实时监控和分析，提供性能优化的数据支撑；
5、开源社区贡献与技术文档撰写：积极参与vLLM、HiCache等开源项目，撰写详细的技术文档和优化指南。
1、有GPU计算系统优化经验，熟悉CUDA编程和GPU系统架构；
2、深入理解PyTorch/vLLM推理框架的架构和工作原理，有框架优化经验；
3、掌握CUDA、NCCL等并行编程技术，了解GPU间的通信机制；
4、有大规模分布式系统的设计与实现经验，理解分布式系统的核心问题；
5、良好的工程能力和代码质量意识，能够编写高性能、可维护的代码。

加分项：

1、有顶级开源社区（Linux Kernel、PyTorch、TensorFlow等）的实质性贡献经验；
2、发表过系统优化或并行计算相关的学术论文（CCF A类以上）；
3、有AWS/GCP/Azure等云服务AI推理优化的实战经验；
4、深入了解NVLink、RDMA等高性能通信协议，有优化经验。

你的简历匹配这个岗位吗？

上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方

登录后分析我的简历

该岗位可能会问的问题

基于算法岗位的常见面试问题整理

请解释 Transformer 模型的自注意力机制（Self-Attention）

类型专业能力·难度困难

查看答题思路

1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖

你做过的最有深度的算法/模型项目是什么

类型项目经历·难度中等

查看答题思路

1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）

过拟合是什么？怎么判断和解决

类型专业能力·难度简单

查看答题思路

1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度

解释梯度下降的原理，SGD 和 Adam 的区别

类型专业能力·难度中等

查看答题思路

1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam

给你 10 万条未标注的文本数据，如何找出其中 10 个主题

类型情景/案例·难度中等

查看答题思路

1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整

更多面试题库功能即将上线

信息来源：企业官方招聘页。投递前请以官网信息为准。

前往官方投递页 →